/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Опубликована
13 апр 2022

distilbert-base-uncased-finetuned-squad

Ответы на вопросыТекст → текст7 профессий

Дообученная на SQuAD модель DistilBERT извлекает ответы на вопросы из текстового контекста.

42скачиваний за 30 дней0лайковвеса обновлены16 апр 2022

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Adrian выпустил дообученную на наборе SQuAD модель DistilBERT для поиска ответа на вопрос в предоставленном контексте. Это плотная трансформерная модель класса DistilBertForQuestionAnswering; репозиторий содержит веса PyTorch. Контекст ограничен 512 токенами.

Модель подходит для извлечения ответа из текста, например, в системах вопросов и ответов по документам. В README приведено значение loss 1,1484 на оценочном наборе, но подробности оценки и сведения о качестве на других данных отсутствуют. Лицензия — Apache-2.0.weet

Сценарии применения

  • извлечение ответа из абзаца по вопросу
  • вопросы и ответы по документам
  • поиск фактов в тексте
  • создание компонента ответов на вопросы для текстового сервиса

Ограничения

Максимальная длина контекста — 512 токенов; README не приводит подробных сведений об оценке и ограничениях качества.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-base-uncased-finetuned-squad

This model is a fine-tuned version of distilbert-base-uncased on the squad dataset. It achieves the following results on the evaluation set:

  • Loss: 1.1484

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3

Training results

Training LossEpochStepValidation Loss
1.21141.055331.1509
0.95372.0110661.1229
0.74593.0165991.1484

Framework versions

  • Transformers 4.18.0
  • Pytorch 1.11.0
  • Datasets 2.1.0
  • Tokenizers 0.12.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · question-answering

Можно запустить

Подбираем GPU…

Класс архитектуры
DistilBertForQuestionAnswering
Ревизия весов
969ac09

0 моделей